基于遗传算法的智能组卷系统的研究与实现

论文摘要

随着科学技术的迅速发展,越来越多的专家学者致力于智能组卷系统的研究。利用已建好的试题库,实现计算机智能选题、组卷,是实现考试规范化、科学化的重要手段,更是实现教考分离的一个重要措施。智能组卷系统的研发不仅能够解放劳动力节省大量时间,而且还能够消除出卷人主观意愿的影响,使考试更加标准化、客观化。本文是对国内外大量文献研究后,针对智能组卷问题分析了有关于试题的诸多重要性能指标及其之间的相互联系,建立了试题的指标约束分布,在此基础上定义了组出试卷的优劣程度,为组卷系统建立了一个合适的数学模型。组卷系统的研发不仅涉及到组卷数学模型建立的问题,还包括对其应用适合的组卷算法的研究。由于遗传算法具有全局寻优和智能搜索的特性,所以本文将该算法引入智能组卷。然而若要寻求到真正适合的组卷算法,必须对现有的遗传算法加以改进。本文对遗传算法改进主要体现在以下几个方面:编码策略、适应度函数的选取和遗传算子及控制参数的设计等等。改进的遗传算法在组卷中的应用可以有效克服未成熟收敛,加快了收敛速度,明显地改善了其全局寻优能力,提高了组卷的成功率,取得了满意的组卷效果。采用ASP.NET动态网页技术和SQL Server2000数据库,设计并实现了相应的基于遗传算法的智能组卷系统。对该系统进行了大量组卷实验。实验结果表明,该组卷系统是合理、有效的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景及意义
• 1.2 组卷算法的研究现状
• 1.3 本文的主要工作
• 1.4 本文的组织结构
• 第2章 组卷问题的基本理论和数学模型
• 2.1 试题的基本属性指标
• 2.1.1 试题的难度
• 2.1.2 试题的区分度
• 2.1.3 试题难度与区分度的关系
• 2.1.4 试题难度与认知层次的关系
• 2.2 指标体系
• 2.3 试题各个指标的约束分布
• 2.3.1 题型约束分布
• 2.3.2 难度约束分布
• 2.3.3 区分度约束分布
• 2.3.4 认知层次约束分布
• 2.3.5 知识点约束分布
• 2.3.6 章节约束分布
• 2.3.7 总时间约束
• 2.3.8 总分数约束
• 2.4 偏差计算及解的优劣关系定义
• 2.4.1 指标偏差计算
• 2.4.2 解的优劣关系定义
• 2.5 组卷问题的目标函数
• 第3章 遗传算法理论
• 3.1 遗传算法的产生与发展
• 3.2 遗传算法概要
• 3.2.1 遗传算法的基本概念
• 3.2.2 遗传算法的基本思想
• 3.3 遗传算法的基本原理
• 3.3.1 遗传算法的基本构成要素
• 3.3.2 遗传算法的运算流程
• 3.4 遗传算法的关键技术
• 3.4.1 遗传编码
• 3.4.2 适应度函数的选取
• 3.4.3 遗传算子
• 3.4.4 控制参数
• 3.4.5 终止条件
• 3.5 遗传算法的特点及应用
• 3.5.1 遗传算法的优点及改进
• 3.5.2 遗传算法的应用情况
• 第4章 遗传算法在组卷中的应用
• 4.1 遗传算法在组卷中应用的优势
• 4.2 遗传算法在组卷中应用的步骤
• 4.3 遗传算法在组卷中的应用情况
• 第5章 改进遗传算法求解组卷问题
• 5.1 组卷编码方案的设计
• 5.2 适应度函数的设计
• 5.2.1 权重系数变化法
• 5.2.2 适应度函数的设计
• 5.3 种群的选择方法
• 5.3.1 排序型择优选择方法
• 5.3.2 小生境最优选择方法
• 5.4 交叉算子
• 5.5 变异算子
• 5.6 控制参数的设计
• 5.6.1 自适应交叉概率的改进
• 5.6.2 自适应变异概率的改进
• 5.7 改进后遗传算法在组卷中应用的流程
• 第6章 智能组卷系统的实现
• 6.1 组卷问题的描述与转化
• 6.2 试题库的设计研究
• 6.2.1 试题库的设计要求
• 6.2.2 试题的属性标注
• 6.2.3 试题库的组织结构
• 6.3 组卷策略
• 6.3.1 试卷参数指标分析
• 6.3.2 试卷的约束条件
• 6.3.3 组卷策略分析
• 6.4 智能组卷系统的具体实现
• 6.4.1 系统要求
• 6.4.2 动态网页技术和数据库技术
• 6.4.3 技术开发环境及平台
• 6.4.4 组卷系统的功能框架
• 6.4.5 组卷系统的主要功能实现
• 6.5 测试与分析
• 6.5.1 实验环境
• 6.5.2 参数设定
• 6.5.3 组卷结果
• 6.5.4 组卷算法之间的比较
• 结束语
• 参考文献
• 攻读学位期间主要的研究成果目录
• 致谢